صابر حبیبی - دانشجوی کارشناسی ارشدمهندسی پزشکی دانشکده مهندسی برق و کامپیوتر دانشگاه تربیت مدرس تهران
بابک محمدزاده اصل - استادیارگروه بیوالکتریک دانشکده مهندسی برق و کامپیوتر دانشگاه تربیت مدرس تهران

دراین مقاله برای پیش بینی حمله های صرعی ازسیگنال EEGسطحی استفاده شده است ابتدا داده های هرکانال بیمار به قسمت های 4ثانیه ای با50درصد همپوشانی تقسیم شده و برای هرقسمت انتروپی فازی محاسبه شده است برای هربیمار به تعداد کانال های ثبت شده ویژگی آنتروپی و همچنین ویژگی انتروپی فازی نسبی بین کانال ها برای هرجفت ازکانال ها محاسبه شده است سپس ویژگی های استخراج شده بافیلترکالمن هموار شده اند ویژگی های هموارشده با الگوریتم ماتریس پراکندگی مرتب شده و یک ویژگی برای پیش بینی انتخاب شده است برای طبقه بندی ویژگی انتخاب شده ازنمودار ROCاستفاده شده است برای انتخاب چندویژگی نیز ازروش جستجوی ترتیبی و برای طبقه بندی ویژگی های انتخاب شده روش ماشین بردارپشتیبان اعمال شده است روش پیشنهادی به میانگین حساسیت 95.74%و اختصاصیت 92.77%و میانگین زمان پیش بینی کمترین 50.66دقیقه و بیشترین 59.46دقیقه برای 15بیمار ازپایگاه داده فیزیونت MIT رسیده است

پیش بینی حمله های صرعی،سیگنال الکتروانسفالوگرام سطحی،آنتروپی فازی،ماشین بردارپشتیبان